人工智能驅動的研發(fā)新規(guī)范

目 錄一、科研智能發(fā)展態(tài)勢 1二、科研智能產(chǎn)業(yè)發(fā)展情況 2（一）科研算力—賦能科研智能高效運行 2（二）科研數(shù)據(jù)—驅動科研智能創(chuàng)新發(fā)現(xiàn) 4（三）開發(fā)工具鏈—全鏈路打造科研智能開發(fā)工具 7三、科研智能應用發(fā)展情況 15（一）基礎科學研究—開展前沿探索，推動科學邊界拓展 16（二）產(chǎn)業(yè)研發(fā)創(chuàng)新—構建核心驅動力，加速產(chǎn)業(yè)升級變革 18四、科研智能生態(tài)建設情況 19（一）產(chǎn)業(yè)組織 19（二）社區(qū)建設 19（三）科研賽事 20（四）會議交流 21（五）教學培訓 21（六）標準布局 21五、總結與展望 22附錄一 23表目錄表1國外科研領域主要公開數(shù)據(jù)集 5表2國內(nèi)外典型科研智能算法庫 10表3我國代表性科學套件 12表42019年至2023年Science雜志評選的十大科學突破 17表5科研智能典型領域模型 23一、科研智能發(fā)展態(tài)勢科研智AIorRearchdevomnt下簡稱A4RD，人工智賦能研究及業(yè)研是科學能（AIforScience，AI4S）概念的延伸和擴展，主要包括兩方面內(nèi)涵，一是聚焦人工智能加速基礎科學研究，拓展研究思路，加速研究進程；二是強調(diào)人工智能在應用研究和產(chǎn)業(yè)研發(fā)中的重要作用，全面提升工程技術創(chuàng)新的效率。科研智能代表了科技創(chuàng)新的新范式和新動能，有望全面加速基礎研究和產(chǎn)業(yè)研發(fā)的進程，并縮短兩者之間的轉化周期，推動科技成果在工業(yè)界的產(chǎn)業(yè)化和規(guī)模應用?？蒲兄悄苷谌蚍秶鷥?nèi)加速發(fā)展。 ，各國相繼發(fā)布政策構筑科研智能發(fā)展環(huán)境2023年12歐委員發(fā)政策簡《工能在科中的應用》，倡導為歐洲量身制定一項政策，促進人工智能在科學領域的應。2023年5月，國新建7國家人智能所，推動人工智在氣候腦科學會決策教育等域的研究2022年8，我發(fā)《關于快場新以人智能平應用進經(jīng)濟高質量發(fā)展的指導意見》，支持探索人工智能技術用于重大科學研究技術的應用景。 AI持續(xù)拓展科學領域問題解決的能力，圍繞生命科學、物理等領域，形成了如Alphafold3另一方面AI科研智能作為一個新興的交叉領域，目前尚處于發(fā)展的早期階段，但已經(jīng)展現(xiàn)出巨大的發(fā)展?jié)摿蛷V闊的應用場景，中國信息通信研究院（以下簡稱信研究院（以下簡稱“中國信通院”）持續(xù)跟蹤科研智能技術和產(chǎn)業(yè)2024（AI4R&D）2024（AI4R&D）定產(chǎn)業(yè)政策、指導項目布局提供參考，為研究機構、科技企業(yè)把握技術方向、開拓應用場景提供借鑒，加速該領域的技術創(chuàng)新和應用實踐，為我國在該領域搶占發(fā)展先機提供助力。未來，中國信通院加強與科研機構、高校、企業(yè)等產(chǎn)學研各界的交流合作，共同推進科研智能生態(tài)體系建設，為科技強國和創(chuàng)新型國家建設提供有力支撐。二、科研智能產(chǎn)業(yè)發(fā)展情況AI4R&DAI4R&DAI升了科研效率，促進了跨學科、跨領域的協(xié)同創(chuàng)新與融合，深刻改變了科學研究范式。（一）科研算力—賦能科研智能高效運行科研算力是指結合智能算力與超算算力的計算能力，通過異構計算架構滿足高精度計算和AI模型訓練推理需求。GPU（圖形處理器、TPU（張量處理單元、NPU（神經(jīng)網(wǎng)絡處理單元AI和模擬，能夠處理復雜的科學計算問題，廣泛應用于如行星模擬、AI科學計算兩種方式，采用異構計算架構，結合多種計算單元，以滿科研智能的研究涉及大量復雜的計算任務，包括大規(guī)模數(shù)據(jù)處理、深度學習模型訓練和高精度科學模擬等，這些任務均需要充足的算力支撐。在多數(shù)場景下，為滿足科學研究和工程應用的需求，AlphaFold250Science雜志評為2021賴于大規(guī)模的計算資源支持，在AlphaFold2的研發(fā)過程中，DeepMind128個TPUv31。以公有云模式提供智能算力服務。云服務企業(yè)以智能算力平臺的形式提供計算資源，如阿里云靈駿智算平臺、百度智能云AI提供一站式算力服務。 政府、企業(yè)建設并對外提供服務的人工智能算力中心。西安的未來人工智能計算中心已成功孵化出多個智能科研領域的大模型，如全球首個面向雷達遙感場景的“秦嶺·西“秦嶺·翱1數(shù)據(jù)來源：《HighlyaccurateproteinstructurepredictionwithAlphaFold》”研智能系統(tǒng)。如深勢盒子是面向分子動力學模擬設計場景推出一體CPU一是高端AI芯片的生產(chǎn)和購買受限，影響算力供給。二是國內(nèi)智能算力的技術產(chǎn)業(yè)生態(tài)較弱，應用門檻高。三是智能算力資源主要集中于頭部科技類企業(yè)，高校、科研機構和大量行業(yè)企業(yè)算力儲備相對有限。建議層面，一是建立針對高校、科研機構和行業(yè)企業(yè)的算力資源保障機制，實現(xiàn)算力資源的合理供給、動態(tài)分配與高效利用，保障科研智能領域計算需求。二是構建跨地供給。二是國內(nèi)智能算力的技術產(chǎn)業(yè)生態(tài)較弱，應用門檻高。三是智能算力資源主要集中于頭部科技類企業(yè)，高校、科研機構和大量行業(yè)企業(yè)算力儲備相對有限。建議層面，一是建立針對高校、科研機構和行業(yè)企業(yè)的算力資源保障機制，實現(xiàn)算力資源的合理供給、動態(tài)分配與高效利用，保障科研智能領域計算需求。二是構建跨地區(qū)、跨機構的科研算力資源共享平臺，促進科研機構與產(chǎn)業(yè)界的協(xié)同創(chuàng)新。三是實施科研算力成本效益評估，優(yōu)化資源投入與產(chǎn)出，加速科技成果的產(chǎn)業(yè)轉化。（二）科研數(shù)據(jù)—驅動科研智能創(chuàng)新發(fā)現(xiàn)科研數(shù)據(jù)是指科學研究和產(chǎn)業(yè)研發(fā)活動產(chǎn)生的原始數(shù)據(jù)、中間數(shù)據(jù)、結果數(shù)據(jù)和分析數(shù)據(jù)等，主要包括觀測數(shù)據(jù)、實驗數(shù)據(jù)、記錄數(shù)據(jù)、調(diào)查數(shù)據(jù)、模擬數(shù)據(jù)及科研文獻等內(nèi)容。高質量的科研數(shù)科研智能數(shù)據(jù)相較于傳統(tǒng)的行業(yè)數(shù)據(jù)，有如下特點。一是數(shù)據(jù)來源數(shù)據(jù)格式和語義差別較大。二是數(shù)據(jù)質量要求高。數(shù)據(jù)的客觀性、準確性、完備性、分辨率等質量要求很高，這會直接影響到計算結果的可信度。三是數(shù)據(jù)量更大。實驗觀測數(shù)據(jù)、仿真模擬數(shù)據(jù)等不僅規(guī)模巨大且增長快速，遠超普通商業(yè)化數(shù)據(jù)。四是維度更高。例如氣象、地理、生物數(shù)據(jù)涉及時間、空間、物種等多個維度，結構更加復雜。（NCBI）AI（heteilsjet礎，如AlphaFold2（PDB）50200表1國外科研領域主要公開數(shù)據(jù)集（中國信通院根據(jù)公開資料收集整理）領域數(shù)據(jù)持有單位生命科學全球蛋白質結構庫（PDB）WorldwideProteinDataBank（wwPDB）人類基因庫（EMBL）歐洲分子生物學實驗室（EMBL）蛋白質數(shù)據(jù)庫（UniProt）歐洲生物信息研究所（EB瑞士生物信息研究所（SIB）及美國國家生物醫(yī)學研究基金會（NBRF）成立的蛋白質信息資源（PIR）DNA序列數(shù)據(jù)庫（Genbank）美國國家醫(yī)學圖書館生物信（NCBI）DNA數(shù)據(jù)庫（DDBJ）日本國立遺傳學研究所（PubMed）美國國家醫(yī)學圖書館生物信息技術信息中心（NCBI）材料科學高通量材料計算數(shù)據(jù)庫（AFLOW）美國杜克大學劍橋結構數(shù)據(jù)庫（CSD）（開放量子材料數(shù)據(jù)庫（OQMD）美國西北大學無極晶體結構數(shù)據(jù)庫（ICSD）德國波恩大學材料計算數(shù)據(jù)庫（MaterialsProject）美國加州伯克利大學金屬和合金晶體數(shù)據(jù)庫（CRYSTMET）加拿大渥太華大學國際衍射數(shù)據(jù)中心的粉晶數(shù)據(jù)庫（JCPDS）國際衍射數(shù)據(jù)中心開放晶體結構數(shù)據(jù)庫（COD）英國劍橋大學密度泛函理論的材料數(shù)據(jù)集（JARVIS-DFT）美國國家標準與技術研究院（NIST）地球科學ERA5大氣再分析數(shù)據(jù)集歐洲中期天氣預報中心（ECMWF）海洋再分析數(shù)據(jù)集（HYCOM）美國海軍研究實驗室（NRL）海洋生物化學數(shù)據(jù)集美國航天局GLORYS12再分析數(shù)據(jù)法國麥卡托SST衛(wèi)星觀測數(shù)據(jù)英國氣象局（ICAR-ENSO）氣候與應用前沿研究院ICAR地球表面氣候預測數(shù)據(jù)（EarthNet）/汽車SAE國際自動機工程師學會ShapeNet斯坦福大學AhmedBodyAerodynamics英偉達流體周期山（PH-RANS、ERCOFTAC）慕尼黑工業(yè)大學圓柱繞流數(shù)據(jù)集（CylinderinCrossflow）/頂蓋驅動方腔流動（CFDBench）/我國公開數(shù)據(jù)集建設不足，優(yōu)質領域數(shù)據(jù)未能得到有效利用。一方面靜默”我國需加強數(shù)據(jù)集建設與共享，推動科研智能產(chǎn)業(yè)高效發(fā)展。我國需建立自己的科研數(shù)據(jù)戰(zhàn)略，系統(tǒng)規(guī)劃科研領域數(shù)據(jù)建設計劃，推動以國家重點實驗室、重點行業(yè)企業(yè)為代表的機構，積極開放共享數(shù)據(jù)。一是圍繞公開數(shù)據(jù)集建設進行戰(zhàn)略布局。建立健全科研領域公開數(shù)據(jù)集體系，在時空、區(qū)域氣象等新興和特色領域進行系統(tǒng)布局。二是建立科研數(shù)據(jù)共享激勵機制，讓數(shù)據(jù)貢獻成為研究貢獻的一部分。通過合理的措施，鼓勵機構以及個人將共享數(shù)據(jù)，持續(xù)豐富公開數(shù)據(jù)集的資源。同時加強對數(shù)據(jù)的安全保護，避免濫用。三是（三）開發(fā)工具鏈—全鏈路打造科研智能開發(fā)工具從人工智能框架的構建到算法的集成，再到開發(fā)套件與領域模型的推出，科研智能開發(fā)工具鏈的逐步完善，為科研人員提供了全流程支持。這些工具不僅降低科研門檻，提高研發(fā)效率，還加速科研成果的轉化與應用。通過持續(xù)優(yōu)化與創(chuàng)新，科研智能開發(fā)工具鏈正逐步成為推動該領域發(fā)展的核心引擎。AI框架—構建核心架構，支撐高效算法實現(xiàn)AI建、測試和優(yōu)化AI算法和應用，當前主流的AI框架主要有PaddlePaddleMindSpore（I4&I一是支持科研智能算子庫，通過提供標準化接口和高度優(yōu)化共性數(shù)學運算單元，如高階微分、傅里葉變換、分數(shù)階微分、積分、線性代數(shù)、復數(shù)運算等科研智能專用算子，降低科研計算程序的復雜度。二是提供科研智能計算庫，通過實現(xiàn)跨領域共性基礎計算庫，如微分方程求解計算庫、幾何形狀定義計算庫、方程PINN三是面向科研智能的作業(yè)調(diào)度優(yōu)化，通過高階自動微分變換和編譯優(yōu)化技術，實現(xiàn)異構混當前AI框架。JAX框架具備自動矢量化和即時編譯等先進特性，計算性能出色，適用于科學計算和機器學習任務，且支持高階自動微分，有利于科研智能領域PaddlePaddleMindSporeAI缺JAXAIGPUNPU等不同類AI二是支持跨領域算法和應用?？蚣軕С痔囟I域（如地球科學、材料科學等）的算法庫和開發(fā)工具，為各領域科研人員提供通用的開發(fā)和應用環(huán)境，提供靈活的接口和擴展能力，支持跨學科的協(xié)同研究及應用。三是豐富生態(tài)系統(tǒng)建設。擴展生態(tài)系統(tǒng)，提供第三方庫和工具，以及融合已有科學計算領域的算法庫和工具，滿足更廣泛的科研需求。建設活躍的社區(qū)，促進科算法庫—匯聚智慧結晶，賦能科研創(chuàng)新突破AI框架人員能夠更加高效地解決復雜科學計算問題，推動科研成果的產(chǎn)出。研工作的深入開展。研智能底層算法的實現(xiàn)。如DeepXDE充分利用數(shù)據(jù)和物理知識雙驅動，解決傳統(tǒng)方法難以求解的復雜問題，支持物理信息神經(jīng)網(wǎng)絡量子力學、空氣動力學等特定領域的研究，解決該領域計算求解問題。如DeePMD支持DeepPotential(DP)體勢能表示和分子動力學模擬。表2國內(nèi)外典型科研智能算法庫（中國信通院根據(jù)公開資料收集整理）算法庫介紹開發(fā)者DeePMD-kit基于深度學習的原子尺度模擬算法庫。適深勢科技用于大規(guī)模原子及分子動力學模擬。DeePKS-kitDFT泛函進DeePHF、DeePKS方法。北京科學智能研究院NeuralUQ神經(jīng)微分方程和運算符不確定性量化的PINN斯PINN等)，不確定性DeepONet等布朗大學、華中科技大學DeepXDEPINN、DeepONetPI-DeepONet等。布朗大學NeuralPDE基于物理信息神經(jīng)網(wǎng)絡(PINNs)的偏微分方程求解的算法庫。麻省理工學院、都靈大學、渥太華大學、卡耐基梅隆大學等SCiANN使用人工神經(jīng)網(wǎng)絡進行科學計算和物理PINN科學計算以及偏微分方程(PDE)的求解和發(fā)現(xiàn)。麻省理工學院我國在科研智能算法庫領域也面臨著原創(chuàng)不足等挑戰(zhàn)。我國在（PINN）DeePMDNeuralUQ心競爭力。開發(fā)套件—簡化科研流程，推動智能化進程AI端到端工具集。開發(fā)套件提供標準化接口和用戶界面，覆蓋模型開發(fā)全流程，能夠快速用于解決科研問題。相較于科研智能算法庫，開發(fā)套件的產(chǎn)品化程度更高。一方面，開發(fā)套件通過全流程整合有效提升了科研效率?？蒲腥藛T無需在多個工具間切換，使用開發(fā)套件可一站式完成數(shù)據(jù)處理、模型開發(fā)、評估及部署等工作，縮短研發(fā)周期，加速成果產(chǎn)出。另一方面，開發(fā)套件降低了科研人員對計算機專業(yè)知識的依賴。開發(fā)套件提供操作界面及案例資源，降低了非計算機背景科研人員的使用門檻?？蒲腥藛T可以更加聚焦科研問題本身，無需花費大量時間精力在人工智能模型調(diào)參等技術環(huán)節(jié)。國內(nèi)外已形成一系列成熟的科研開發(fā)套件。國外方面，形成了PyTorch礎，貢獻了針對特定科學領域的開源套件，如英偉達推出用于流體仿真的Modulus和用于氣象預測且已被廣泛應用。國內(nèi)方面，形成了相對自給自足的生態(tài)系統(tǒng)。國AIAI框流體仿真、地球科學、電磁仿真、化學仿真等領域。表3我國代表性科學套件（中國信通院根據(jù)公開資料收集整理）領域套件名稱公司功能描述地球科學、材料科學、流體仿真PaddleScience百度基于飛槳深度學習框架的科學計AI學等領域的仿真與優(yōu)化。地球科學MindEarth華為支持短臨、中期、長期天氣以及海洋領域的各類預報。流體仿真MindFlow華為支持航空航天、船舶制造以及能源電力等行業(yè)領域的AI流場模擬。電磁仿真MindElec華為支持數(shù)據(jù)建構及轉換、仿真計算、結果可視化以及端到端的AI電磁仿真。量子計算PaddleQuantum百度算研究與應用開發(fā)。MindQuantum華為生物計算MindSPONGE華為計過程。PaddleHelix百度化學MindChemistry華為支持多體系（有機/無機/化學（微觀分子生成/預測、宏觀反應優(yōu)化）的化學仿真。開發(fā)套件存在易用性低、功能覆蓋不全等問題。一是使用門檻仍舊較高，用戶需要具備較強的領域知識和編程能力，進而限制了套件的廣泛使用。二是功能覆蓋不全面。一方面覆蓋場景有限，開發(fā)套件處于發(fā)展初期，往往針對具體科學問題設計，支持的場景較為有限。另一方面覆蓋環(huán)節(jié)不足，存在功能欠缺。如針對高溫合金材料研發(fā)的套件，僅提供合金成分設計與性能預測環(huán)節(jié)，缺少特定在實際工程項目的使用。三是標準化程度低，開發(fā)套件存在易用性低、功能覆蓋不全等問題。一是使用門檻仍舊較高，用戶需要具備較強的領域知識和編程能力，進而限制了套件的廣泛使用。二是功能覆蓋不全面。一方面覆蓋場景有限，開發(fā)套件處于發(fā)展初期，往往針對具體科學問題設計，支持的場景較為有限。另一方面覆蓋環(huán)節(jié)不足，存在功能欠缺。如針對高溫合金材料研發(fā)的套件，僅提供合金成分設計與性能預測環(huán)節(jié)，缺少特定在實際工程項目的使用。三是標準化程度低，開發(fā)套件之間缺乏統(tǒng)一的接口和數(shù)據(jù)格式標準，增加了用戶遷移和比較的成本，不利于一的接口和數(shù)據(jù)格式標準，增加了用戶遷移和比較的成本，不利于科研工作的連續(xù)性和數(shù)據(jù)共享。領域模型—AI融合知識，加速應用實踐落地領域的模型主要分為兩大類，一類是領域專用模型，針對特定科學問題設計和優(yōu)化；另一類是基于大語言模型（LLM）的科研模型，利用自然語言處理能力輔助科研工作、完善自動化流程。產(chǎn)學界已經(jīng)研發(fā)出面向多個領域解決特定問題的專用模型。材AI技術結合高通量計算，打破尺度和計算模擬限制，加速材料篩選，促進靶向設計新材料，完成材料和器件的全鏈條優(yōu)化，為新能源、環(huán)境保護、信息技術等產(chǎn)業(yè)提供了強大的材料基礎。通過AI技術對大量氣象觀測和模擬數(shù)據(jù)進行分暴雨等極端天氣事件的預測能力，輔助氣候變化研究。流體仿真領域，AI液體混合等復雜流體進行流動模擬優(yōu)化、實時仿真，廣泛應用于航大語言模型為科研領域帶來新的輔助手段。大語言模型與科研相融合正在成為新方向，目前大語言模型主要應用于科研助手和流程自動化?？蒲兄址矫妫笳Z言模型結合領域知識，不僅可以提流程自動化方面，模型可以幫助提高實驗效率、減少人為誤差，實現(xiàn)更精準、可重復的實驗管理。典型場景包括輔助決策和實驗設計、任務調(diào)度智能加大語言模型與領域專業(yè)模型的深度融合正推動科研領域實現(xiàn)重大突破。大型語言模型擅長發(fā)現(xiàn)并整理科學領域的難點問題，領域專業(yè)模型則負責完成復雜的計算任務，兩者結合可有效提升人機交互能力，加速科學研究的進程，有望在特定領域取得突破性進展。AI系統(tǒng)Coscientist了阿司匹林、對乙酰氨基酚和布洛芬等常見藥物分子。同時，Coscientist在不到四分鐘內(nèi)成功設計鈀催化交叉偶聯(lián)反應的實驗方案，并成功復現(xiàn)了這一重要的復雜化學反應，該研究曾獲諾貝爾化學獎。三、科研智能應用發(fā)展情況AI升產(chǎn)品研發(fā)效率為產(chǎn)業(yè)升級與變革提供強有力的技術支撐。（一）基礎科學研究—開展前沿探索，推動科學邊界拓展科研智能在基礎科學領域展現(xiàn)出廣闊的應用前景。目前，國內(nèi)AIScience突破。AIAI輔助科AI獻，提取關鍵信息，識別研究趨勢。例如，北京國際科技創(chuàng)新中心AIAIDeepMind65%AIAI和預測能力有助于科研人員發(fā)現(xiàn)新的科學規(guī)律，提出創(chuàng)新性的理論。如物理學家利用神經(jīng)網(wǎng)絡發(fā)現(xiàn)了質子中隱性內(nèi)含粲夸克的存在證據(jù)，這一發(fā)現(xiàn)可能會引發(fā)量子色動力學理論的重大更新。四是AI優(yōu)化和DeepMind發(fā)布的AlphaFold3準確率比現(xiàn)有方法高準確率比現(xiàn)有方法高50%，成為首個在生物分子結構預測方面超越基于物理工具方法的AI系統(tǒng)。表42019年至2023年Science雜志評選的十大科學突破20232022202120202019GLP-1有望戰(zhàn)勝肥胖詹姆斯韋伯太空望遠鏡人工智能預測蛋白質結構新冠疫苗點亮希望之光人類歷史上首張黑洞照片問世抗體療法在減緩阿爾茨海默病方面取得進展發(fā)現(xiàn)可能導致多發(fā)性硬化的病毒抗新冠強效藥出現(xiàn)CRISPR首次與丹尼索瓦人“面對面”尋找天然氫源的熱潮黑死病如何改變歐洲人基因的新見解應激障礙“精英控制員”控制艾滋病病毒谷歌宣布實現(xiàn)“量子霸權”在全球機構中系統(tǒng)性改變職業(yè)早期科學家的待遇驚人的巨型細菌單克隆抗體治療傳染性疾病AI首次精準預測蛋白質三維結構腸道微生物對抗營養(yǎng)不良接近美洲遠古人類定居的歷史真相200萬年前環(huán)境DNA重現(xiàn)古老生態(tài)系統(tǒng)CRISPR首次獲得臨床勝利科學家反對種族歧視，支持多樣性小行星撞擊地球及其帶來的影響地球的碳泵正在減速運行更易于耕種的多年生稻體外胚胎培養(yǎng)為早期發(fā)育研究打開新窗戶全球變暖趨勢加劇最遙遠天體的特寫巨型黑洞合并人類首次行星防御實驗成功首次在土壤DNA發(fā)現(xiàn)快速射電暴來源缺失環(huán)節(jié)”的微生物？AI輔助天氣預報的發(fā)展RSV疫苗取得突破進展“洞察”號首次揭示火星內(nèi)部結構世界最古老狩獵場景面世第一次，有藥物可以治療大多數(shù)囊性纖維化病例抗擊瘧疾的新希望創(chuàng)造性人工智能的快速發(fā)展粒子物理學的標準模型出現(xiàn)了“裂縫”首個室溫超導體面世埃博拉患者終于有了希望百億億次超級計算時代的來美國通過具有里程碑意義的核聚變實現(xiàn)歷史性突破鳥類具有驚人的智力AI戰(zhàn)勝多人撲克臨氣候法（二）產(chǎn)業(yè)研發(fā)創(chuàng)新—構建核心驅動力，加速產(chǎn)業(yè)升級變革科研智能在多個產(chǎn)業(yè)領域中取得了顯著成效。新藥研發(fā)領域，AIAI減少了人工對小分子化合物的篩選計算量，加快了藥物分子的篩選過程，突破了醫(yī)藥研發(fā)“雙十定律”的瓶頸，使先導藥的研發(fā)周期從數(shù)年縮短70%提升實驗效率。如深勢科技在電解液材料研發(fā)領域，通過正向設計與篩選優(yōu)化的方法，有效提升金羽新能開發(fā)高能量密度電池電解液146上海飛機設計研究院基于昇騰AI開發(fā)了業(yè)界首個三維超臨界機翼AIAI10倍AI“AIAI提升設計效率以上，設計成本降低至原來的一半，實現(xiàn)需求到制造的一站式交付服務。AI如中冶京誠推出“鋼智通”專家系統(tǒng)通過大語言模型提煉智能決策進行生產(chǎn)流程0.1%10%。四、科研智能生態(tài)建設情況隨著人工智能與科學研究、產(chǎn)業(yè)研發(fā)的深度融合，產(chǎn)業(yè)界與學（一）產(chǎn)業(yè)組織（II工作組（二）社區(qū)建設AIMindFlowSIG社區(qū)專注于昇思MindFlowAI計算流MindEarthSIGMindEarth，為廣大用戶AIMindElecSIGMindSporeAIMindSPONGESIGMindSporeAIDeepModelingAIAI科學智算群智協(xié)作社區(qū)，整合多方資源，建數(shù)據(jù)庫與課程，促開放協(xié)作，為（三）科研賽事AI4SAI4SAI4S50AI4SCup系列比賽。華為舉辦“開源之夏”賽事聚焦科研智能，推出基于圖像深AI育科研智能創(chuàng)新人才。中山大學牽頭舉辦了首屆“大灣區(qū)杯”粵港澳AI4S整體協(xié)同，針對人工智能科學計算問題設置3個賽道與24個賽題，賽題涉及AI4S500競賽，覆蓋氣象、醫(yī)療等20余類行業(yè)。（四）會議交流AI4SAI4S“科學智算CCF京航空航天大學專家就多智能體科學智算模式進行學術報告，介紹了群體智能研究近期研究成果。首屆“人工智能科學計算學術研討會”上產(chǎn)學研各界對于人工智能推動科學計算劇變式創(chuàng)新的高度關注，通過匯聚全球人工智能科學計算領域的專家和先行者，打造科算機大會CNCC2023（五）教學培訓深勢科技支持舉辦AI4S系列主題的哥倫布訓練營活動，提供202000AI4S教學資AI學習者提供高質量的學習資源。（六）標準布局中國信通院聯(lián)合之江實驗室等多家企事業(yè)單